t-SNE/UMAP kullanılarak CV modeli özellik alanı görselleştirmesi nedir?

t-SNE (t-Distributed Stochastic Neighbor Embedding) ve UMAP (Uniform Manifold Approximation and Projection), yüksek boyutlu verileri görselleştirmek için sıklıkla kullanılan doğrusal olmayan boyut indirgeme yöntemleridir; örneğin, bilgisayarlı görü (CV) modellerinin özellik alanı (feature space).

CV modelleri bağlamında, bu yöntemler şunlara yardımcı olur:

• Çok değişkenli özellik vektörlerini (örneğin, sinir ağı katmanlarının çıkışlarını) 2D veya 3D uzaya dönüştürmek.
• Modelin farklı sınıflardaki verileri nasıl ayırdığını veya grupladığını görsel olarak değerlendirmek.
• Özelliklerin yapısını ve dağılımını anlamak, kümeleri veya anormallikleri tespit etmek.

Örnek: Bir model eğitildikten sonra, farklı sınıflardan görüntülerin özellik vektörleri alınabilir, t-SNE veya UMAP uygulanabilir ve bir saçılım grafiği oluşturulabilir; burada aynı sınıfa ait noktalar birlikte gruplanmış olur, bu da modelin sınıfları ayırma yeteneğinin iyi olduğunu gösterir.

Bu nedenle, t-SNE ve UMAP, CV modellerinde verilerin içsel temsilini yorumlama ve analiz etme konusunda güçlü araçlardır.